Pipeline de prévision multi-horizons de la température de l'eau sur 7 stations, échantillonnées toutes les 2 heures, avec backtesting temporel en expanding, benchmark de modèles (baseline, Ridge, ETS, SARIMA, SARIMAX) et suivi des expérimentations dans MLflow.
Le projet vise à estimer la température de l'eau sur plusieurs stations en tenant compte :
- de la dynamique propre à chaque station ;
- de la saisonnalité journalière et annuelle ;
- de variables exogènes météo ;
- de plusieurs horizons de prévision à partir d'une fréquence d'observation de
2H.
La sortie livrée dans ce dépôt est double :
- un pipeline d'analyse et de modélisation documenté dans
8notebooks ; - une brique d'inférence locale via main.py, basée sur la sélection finale stockée dans models/inference_config.json.
- Stations modélisées :
817,818,819,825,827,828,830 - Fréquence : 1 mesure toutes les 2 heures
- Horizons de travail :
h2(2 h),d1(24 h),w1(7 jours, exploré seulement) - Variables exogènes visibles dans le bundle final :
temp_air_eobs_c,rainf_eobs - Protocole d'évaluation : backtesting temporel
expanding, sélection principale sur leMAE - Suivi d'expériences : MLflow
- Inférence locale :
main.pyproduit des CSV de prédictions et, en option, des métriques
Les données de température de l’eau utilisées dans ce projet s’appuient sur le dispositif de suivi thermique des cours d’eau mis en place par la DREAL Normandie à partir de juin 2011. La température est mesurée toutes les 2 heures à l’aide de sondes HOBO Water Temp Pro v2 (U22-001) installées en zone ombragée, au niveau de la ripisylve, de manière à garantir leur immersion tout au long de l’année.
La DREAL Normandie publie une page de présentation du dispositif ainsi qu’un export CSV des températures des cours d’eau normands :
La carte de zone d’étude utilisée dans ce projet provient également de la DREAL Normandie :
Comme référence scientifique générale sur la modélisation et la dynamique thermique des cours d’eau :
- Moatar, F. et Gailhard, J. (2006), Water temperature behaviour in the River Loire since 1976 and 1881, C. R. Geoscience, 338, 319-328. https://doi.org/10.1016/j.crte.2006.02.011
Les sources exactes des variables exogènes météorologiques (temp_air_eobs_c, rainf_eobs) restent à préciser séparément.
| Domaine | Outils |
|---|---|
| Préparation & manipulation | Pandas, NumPy |
| Visualisation | Matplotlib, Seaborn |
| Analyse de séries temporelles | statsmodels |
| Modélisation machine learning | scikit-learn |
| Extraction de composantes | FastICA |
| Suivi des expériences | MLflow |
| Environnement de travail | Jupyter Notebook, Python 3.11 |
-
Chargement & contrôle qualité
Vérification de la structure des séries, du typage et de la couverture temporelle. -
Nettoyage
Traitement des incohérences, des valeurs manquantes et harmonisation des timestamps. -
EDA avancée
Analyse des tendances, de la saisonnalité, des corrélations inter-stations et des motifs temporels. -
Split, backtesting & features de base
Construction du protocole temporel, création des lags, statistiques glissantes et variables calendaires. -
Composantes FastICA
Ajout de signaux latents multi-stations pour enrichir les variables explicatives. -
Modélisation, benchmark & évaluation en validation
Entraînement de plusieurs approches (baseline, Ridge, ETS, SARIMA, SARIMAX), puis comparaison de leurs performances dans le cadre du backtesting temporel. -
Tuning & évaluation finale
Ajustement ciblé des hyperparamètres, sélection finale des modèles et évaluation sur le jeu de test. -
Réorganisation des runs MLflow
Réorganisation des expérimentations pour faciliter le suivi et la visualisation des runs.
| Volet | Résultat |
|---|---|
Validation h2 |
Ridge retenu avec alpha = 10.0 et MAE val = 0.074358 |
Validation d1 |
baseline saisonnière journalière retenue avec MAE val = 0.417690 |
Alternative apprise d1 |
SARIMAX avec MAE val = 0.435637 |
Test final h2 |
Ridge atteint MAE = 0.256 |
Test final d1 |
baseline à 0.529, SARIMAX à 0.603 |
| Effet du tuning | Ridge h2 : 0.07463 -> 0.07436 ; SARIMAX d1 : 0.45199 -> 0.43564 |
La sélection finale exposée à l'inférence est stockée dans models/selected_models_final.json et recopiée dans models/inference_config.json.
| Figure | Explication |
|---|---|
 |
Vue globale des séries par station. Elle montre la saisonnalité forte de la température de l’eau et les différences locales entre stations. |
 |
Corrélation entre stations sur la période d’entraînement. Les stations évoluent souvent de manière proche, ce qui justifie une approche multi-stations. |
 |
Comparaison finale des modèles sur le test. Ridge domine sur h2, tandis que la baseline saisonnière reste meilleure sur d1. |
 |
Exemple de prédiction Ridge sur 14 jours pour une station. Le modèle suit bien la dynamique locale à court terme. |
 |
Suivi des expériences dans MLflow : comparaison des runs, des métriques finales et des modèles retenus. |
.
├─ configs/
├─ models/
├─ notebooks/
├─ reports/
├─ src/
├─ main.py
├─ README.md
└─ .gitignore
main.py rejoue la logique finale d'évaluation et de prédiction sur une fenêtre temporelle donnée à partir d'un dataset complet et compatible.
Le script :
- lit un fichier
csvouparquetfourni via--input; - charge le bundle models/inference_config.json ;
- valide les colonnes nécessaires selon le modèle ;
- écrit un CSV de prédictions et, en option, un CSV de métriques.
python main.py --input "C:/chemin/vers/fichier.parquet" --output "outputs/preds_h2.csv" --metrics-output "outputs/metrics_h2.csv" --horizon h2 --model auto --start "2018-09-01 00:00:00" --end "2018-09-30 22:00:00" --station-id 817--horizon h2 --model autoutilise leRidgefinal ;--horizon d1 --model autoutilise la baseline finale ;--horizon d1 --model sarimaxforce l'alternativeSARIMAX.
Projet réalisé par Pierre Hervy, Kevin Gafura et COMBO El-Fahad - Université de Caen (2026).
Contact : el-fahad.combo@etu.unicaen.fr
Ce projet est sous licence MIT. Voir le fichier LICENSE.